METODE PENELITIAN
3.5 Metode Analisis
3.5.4 Uji Asumsi Klasik
Pengujian asumsi klasik dilakukan agar data sampel yang diolah benar-benar dapat mewakili populasi secara keseluruhan. Pengujian meliputi:
3.5.4.1 Uji Multikolonieritas
Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel
58
independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen sama dengan nol.
Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah dengan cara melihat nilai variace inflation factor (VIF). Jika nilai VIF lebih besar dari 10, maka terjadi multikolinieritas.
3.5.4.2 Uji Heteroskedastisitas
Uji Heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan yang lain. Model Regresi yang baik adalah yang Homoskedastisitas/tidak terjadi Heteroskesdatisitas (Ghozali, 2005).
Ada 2 cara untuk menguji apakah dalam model regresi heteroskedastisitas atau tidak, yaitu dengan melihat grafikmplot antara nilai prediksi variabel dependen dan uji glejser.
Uji Glejser dan uji grafik scatterplot digunakan dalam uji heteroskedastisitas. Uji heteroskedastisitas dengan cara melihat grafik plot antara nilai prediksi variabel bebas, yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED di mana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi-Y sesungguhnya) yang telah di-studentized.
Uji glejser dilakukan dengan meregres nilai absolut residual terhadap variabel independen (Gujarati, 2003 dalam Ghozali, 2005) dengan persamaan
59 regresi:
||=α+βХ+νt...(3.1)
3.5.4.3 Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel dependen maupun independen mempunyai distribusi normal atau tidak. Model regresi yang baik adalah yang memiliki distribusi normal atau mendekati normal (Ghozali, 2005). Dalam penelitian ini digunakan cara analisis plot grafik histogram dan uji kolmogorov-smirnov (uji K-S)
Analisis normalitas data dengan menggunakan grafik histogram berada di tengah-tengah atau tidak. Apabila posisi histogram sedikit menceng ke kiri ataupun ke kanan, maka data tidak berdistribusikan secara normal.
Sedangkan analisis normalitas dengan menggunakan uji K-S dilakukan dengan melihat nilai probabilitas signifikansi atau asymp. Sig (2-tailed). Sebelumnya perlu ditentukan terlebih dahulu hipotesis pengujian, yaitu:
Hipotesis Nol (Ho) : data terdistribusi secara normal
Hipotesis Alternatif (HA) : data tidak terdistribusi secara normal.
Apabila nilai probabilitas signifikansi kurang dari nilai α = 0,05, maka data tidak terdistribusi secara normal. Apabila nilai probabilitas signifikansi lebih dari α = 0,05, maka data terdistribusi secara normal.
60 3.5.5 Model Regresi
Analisis yang digunakan dalam penelitian ini adalah analisis regresi berganda, yaitu dengan melihat pengaruh ekspektasi kinerja (Performance Expectancy), ekspektasi usaha (effort expectancy), Kompleksitas (complexity), Kesukarelaan (voluntariness), pengalaman (experience), keamanan dan kerahasiaan (security and privacy), kecepatan (speed) terhadap minat perilaku penggunaan e-filling (behavioral intention for the e-filling usage).
Model regresi yang digunakan dapat dirumuskan dengan persamaan sebagai berikut:
Y = α + β1Х1 + β2Х2 + β3Х3 + β4Х4 + β5Х5 + β6Х6 + β7Х7ε ...model 1 (3.2) Keterangan :
Y : Minat Perilaku Penggunaan E-filling X1 : Ekspektasi Kinerja
X2 : Ekspektasi Usaha X3 : Kompleksitas X4 : Kesukarelaan X5 : Pengalaman
X6 : Keamanan dan Kerahasiaan
X7 : Kecepatan β : Koefisien Regresi ε : error
61 3.5.6 Analisis Regresi
Analisis regresi digunakan untuk mengukur kekuatan hubungan antara dua variabel atau lebih, dan untuk menunjukkan arah hubungan antara variabel dpenden dengan variabel independen. Variabel dependen diasumsikan random/stokastik, yang berarti mempunyai distribusi probabilistik. Variabel independen diasumsikan memiliki nilai tetap (dalam pengambilan sampel yang berulang).
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodness of fit-nya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F, dan nilai statistik t. Perhitungan statistik disebut signifikan secara stastistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak). Sebaliknya disebut tidak signifikan apabila nilai uji statistiknya berada dalam daerah dimana Ho diterima. Adapun pengujian yang dilakukan dalam analisis regresi linier berganda dalam penelitian ini adalah sebagai berikut:
3.5.6.1 Koefisien Determinasi
Koefisien Determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel independen amat terbatas. Nilai yang mendekati variabel-variabel independenmemberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
62
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R2 akan meningkat, tidak peduli apakah variabel tersebut berpengaruh signifikan terhadap variabel dependen. Oleh karena itu, penelitian ini menggunakan Adjusted R2 seperti yang banyak dianjurkan oleh peneliti.
Dengan menggunakan nilai Adjusted R2 dapat mengevaluasi model regresi mana yang terbaik. Tidak sepeti nilai R2, nilai Adjusted R2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Dalam kenyataan, nilai Adjusted R2 dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati (dikutip oleh Ghozali, 2005), jika salam uji empiris didapatkan nilai Adjusted R2 negatif, maka nilai Adjusted R2 dianggap bernilai nol.
3.5.6.2 Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Hipotesis nol yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol, atau:
Ho:b1 = b2 = = bk = 0...(3.3) Artinya, apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (HA) adalah tidak semua parameter secara simultan sama dengan nol.
63
HA:b1 ≠ b2 ≠ ··· ≠ bk ≠ 0...(3.4)
Artinya, apakah semua variabel independen merupakan penjelas yang signifikan terhadap variabel dependen.
Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusa sebagai berikut:
1) Quick look: apabila nilai F lebih besar daripada 4 maka H0 dapat ditolak pada derajat kepercayaan α = 0,05. Dengan kata lain, hipotesis alternatif (HA) .dan signifikan mempengaruhi variabel dependen.
2) Membandingkan nilai F hitung dengan nilai F tabel. Bila nilai F hitung lebih besar daripada F tabel, maka hipotesis nol (H0) ditolak dan menerima HA.
3.5.6.3 Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam mdenerangkan variasi variabel dependen. Hipotesis nol (H0) yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, atau:
H0:bi = 0...(3.5)
Artinya, apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (HA) adalah parameter suatu variabel tidak sama dengan nol, atau:
64
Artinya variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen.
Cara melekukan uji t adalah sebagai berikut:
1) Quick lock: apabila jumlah degree of freedom (df) adalah 20 atau lebih, dan derajat kepercayaan α = 0,05, maka H0 yang menyatakan bi = 0 dapat ditolak bila nilai t lebih besar dari 2 (dalam nilai absolut). Dengan kata lain, hipotesis alternatif (HA) yang menyatakan bahwa suatu variabel dependen diterima.
2) Membandingkan nilai statistik t dengan titik kritis menurut tabel, maka hipotesis alternatif (HA) yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.